基于电能计量采集物联网的多维线损治理技术研究与应用

潘全成，袁铭敏，羡慧竹，李娜

（国网北京市电力公司电力科学研究院，北京 100162）

线损是在电能传输和营销过程中所产生的电能消耗和损失；是电力企业的重要经济指标；是推动电力公司提质增效的重要手段［2］。电能计量采集物联网是一套包括硬件及软件的完整系统，它利用双向通信系统和智能电能表等计量设备，可以定时或即时取得用户带有时标的电量、电压、电流等多种计量数据。随着电能计量采集物联网在北京电力公司的构建、发展与应用，针对电网结构和用户性质复杂的低压台区线损治理的手段也不断增多，为电力公司提升台区线损精益化管理及能耗管理水平提供有力支撑［3］。

1 台区线损分类及解决措施

低压台区线损可分为理论线损和其他线损两类。理论线损是由电网实际运行参数、供电设备参数及电网当前的运行方式等所决定的损耗，属于一种无法避免的损失。其他线损则是由电力公司管理原因、计量设备原因及其他人为原因造成的各种损失，主要包括：台区用户挂接关系不正确、计量装置异常老化或故障、表计计量失准及窃电行为等原因［4］。

针对其他线损的治理可全面提升电力公司经营管理水平，电能计量物联网作为一套完整的系统，为其他线损的治理提供了有力的支撑。电能计量物联网由用电信息采集系统、电能表、采集终端、采集模块等多部分组成，既包含了用电信息采集系统基本功能，又兼具了各种成熟的计量设备。其特有的台区识别、高频采集以及基于用电信息采集数据的大数据分析等功能，对低压台区线损的治理提供了有效帮助。

2 基于电能计量采集物联网的多维线损治理技术

2.1 基于台区识别技术的台区用户挂接关系失准的线损治理

准确建立台区户变关系是确保台区线损计算准确的关键所在，近年来随着用电负荷急剧增高，技改施工项目增多，以及管理问题的不断积累，台区用户挂接关系准确度相对降低，对于台区线损准确计算造成了重要影响。计量采集物联网利用高速载波技术（HPLC）特点和电网信号特性，在高速载波互联互通协议构建的用电信息采集系统本地通信网络基础上，通过电表节点获取电力网络自身信号特征，感知周边邻居网络信号差异，进行综合统计和运算分析，实现低压台区电能表户变关系自动、精准识别，进而提高户变关系判断的准确性，实现台区自动识别，提高电网经济运行水平。

（1）台区自动识别机制

HPLC信号在多个台区间存在两种串扰，一是共零线导致，二是空间耦合。利用这两种串扰的特性，可以实现不同的台区识别方式，即SNR台区识别方式及NTB的无扰台区识别方式。SNR方式的无扰识别是基于载波信号在多个台区间存在共零线或空间耦合导致的串扰，且邻居网络串扰信号强度通常要比本网络弱，利用这一特性，实现台区归属识别。NTB方式的无扰识别是基于不同变压器下用电负载不同而导致工频零点变化趋势不同，同一物理台区变化趋势相近的特性，从而进行台区识别。

电能计量物联网通过将SNR和NTB两种识别方式融合来进行台区归属的判断，兼顾识别效率和识别准确性。在完成相应计量设备高速载波网络的组网优化后，计量物联网每一个分支下面的主节点周期性下发过零NTB信息。每个主节点下的分节点在入网后的运行过程中也在持续收集周围台区的SNR和NTB数据，不断进行相似度计算，修正识别结果，识别阶段流程图如图1所示。

图1 识别阶段流程图

STA(电表内通信单元等)分节点在入网后持续收集各个网络SNR数据，为了防止SNR数据抖动进行滑窗处理，累计统计多个窗口的数据，到期后综合每个网络的SNR值和NTB数据，进行相似度分析，判断相似度最高的为真实所属台区，STA从当前网络离线，向真正归属台区申请加入。与此同时集中器定期发送命令向主节点收集台区识别结果，并上报用电信息采集系统。以北京电力公司为例，台区识别准确率可达95%以上之后，供电公司管理人员即可根据上报信息完善用户档案，修正错误的台区用户挂接关系，从而保障台区线损计算准确度。截止至2019年底，北京公司实现的计量采集物联网整体台区识别准确率可达99.4%，为台区线损治理提供了强有力的技术支撑。

2.2 基于采集大数据分析的异常计量点识别方法及线损治理

在台区户变关系准确的基础上，计量装置老化故障、表计计量失准、窃电行为、以及系统档案错误等造成的计量点的电能计量产生偏差，造成电量计量不准确，进而造成该台区线损异常。计量采集物联网通过构建采集大数据分析平台，利用大数据与人工智能技术，用电采集系统实现采集大数据分析，并进行计量点状态监测与异常定位，为台区线损异常提供有效治理方法。

2.2.1 采集大数据分析平台

该平台利用电能表运行积累的海量数据构建评价模型，对电能表的计量功能性失准情况与运行误差情况进行评价。以低压台区下总表与分表间的总分结构与能量守恒原理为基础构建数学模型，综合考虑低压台区下线路损耗、固定损耗、用户用电量、表计误差等各类因素的影响，建立统一模型，结合模式识别、岭回归等技术手段，对计量点的运行误差进行计算求解，识别计量异常的表计。

2.2.2 系统输出异常类型及判别方法

（1）针对计量装置故障判别

实际用电环境中个别计量装置运行环境恶劣，经常使表计、互感器、二次回路暴露在高低温、持续暴晒、潮湿的环境中，易发生表计的电流电压采样电路故障或其他电路、元器件故障失效，造成该计量点无法计量。在采集大数据分析平台中，此类故障的现象一般表现为系统输出计算结果误差为85%以上且为负误差，同时需关注系统档案该表计的安装时间和资产建档时间、表计生产厂商等，考虑是否疑似为批次故障问题。

（2）针对现场表计误差超差判别

安装在现场运行的智能电能表存在一定概率发生表计计量失准现象，对于低压台区下挂居民表常用的准确度等级为2.0级单向电能表其误差限为正负2%。此类故障在采集大数据分析平台中计算输出值与计量装置故障相似，实际现场核实为超差的表计数量较少，一般现场运行表计不会存在大量超差表计。

（3）针对现场用户窃电进行判别

实际用电环境中若存在窃电行为会造成该台区线损异常增高，常规窃电手法中一般会在表前位置或表计内部将火线短接分流，造成表记电量少计量。此类故障在采集大数据分析平台中计算输出值较高一般在50%以上且为负误差，同时需要配合用电信息采集系统实时召测电流数据和异常警告事件进行辅助判断。

（4）针对系统档案数据错误进行判别

供电企业在用户档案维护的过程中，因存在疏漏等原因将经互感器接入的智能电能表综合倍率维护错误，在进行电量结算时，电能表按照表计表底数变化值乘以综合倍率来进行电量结算。若互感器倍率错误会直接造成电量的丢失，进而影响整台区线损。综合倍率参数错误的情况会出现在三相四线经互感器接入的计量点中，表现为互感器变比参数未维护即综合倍率为“1”。在采集大数据分析平台此类问题输出的计算值往往误差较高在90%以上，且为负误差。

2.2.3 案例分析

（1）计量装置故障

案例1:某低压居民用户，现场安装运行表计为2.0级单相电能表，近30天日均用电量0.95kWH，该用户所在台区共有用户177个，近30天线损3.94%。经采集大数据分析平台计算该计量点误差值为-97.53%，该台区线损与台区供电量关系以及台区线损与该户表用电量关系显示，该用户用电量与台区线损率有较强相关性，输出户表用电-台区线损图及台区供电量-台区线损图如图2所示。

图2 某低压居民用户台区线损图

此用户在本台区用电量占比0.12%，但是用电量和计算模型拟合较好，线损贡献率很高，计算跳变发生后的户表用电与台区线损的相关性约为0.97，表明台区线损变化完全与该用户用电变化正相关，疑似计量点异常。资产档案显示该表计安装日期为2013年，同时在系统数据中调取该表计异常告警事件记录，未发现开盖事件告警等异常事件。综上分析，此表计高度疑似计量装置故障。经现场核查，此表计计量箱封、铅封、侧面合格证均完好，现场实测火线电流9A，表计脉冲灯不闪烁，判定为表计故障。

（2）现场表计误差超差

案例2:某低压居民用户，现场安装运行表计为2.0级单相电能表，近30天日均用电量5kWH，该用户所在台区共有用户27个，近30天线损3.69%。经采集大数据分析平台计算该计量点误差值为-88.10%，该台区线损与台区供电量关系以及台区线损与该户表用电量关系显示，该用户用电量与台区线损率有较强相关性，输出户表用电-台区线损图及台区供电量-台区线损图如图3所示。

图3 某低压居民用户台区线损图

观察户表用电-台区线损图，发现台区线损多次随户表用电的突增而突增。资产档案显示该表计安装日期为2017年，同时在系统数据中调取该表计异常告警事件记录，未发现开盖事件告警等异常事件。经现场核查，此表计计量箱封、侧面合格证完好，现场校验计量误差-4.2%，判定为表计误差超差。

（3）现场用户窃电

案例3:某低压居民用户，现场安装运行表计为2.0级单相电能表。经采集大数据分析平台计算该计量点误差值为-80.31%，该台区线损与台区供电量关系以及台区线损与该户表用电量关系显示，该用户用电量与台区线损率有较强相关性，输出户表用电-台区线损图及台区供电量-台区线损图如图4所示。

图4 某低压居民用户台区线损图

资产档案显示该表计安装日期为2018年，同时在系统数据中调取该表计异常告警事件记录，发现开盖事件告警等异常事件。综上分析，此表计高度疑似现场窃电。经现场核查，此表计计量箱封、铅封、侧面合格证均被破坏，现场实测火线电流为1.7A，实时召测火线电流为0.39A，现场核实窃电点为表前U型短接，判定为用户窃电。

（4）系统档案数据错误

某一般工商业用户，现场安装运行表计为1.0级三相经互感器接入电能表，近30天日均用电量3.11kWH，该用户所在台区共有用户87个，近30天线损3.75%。经采集大数据分析平台计算该计量点误差值为-89.44%，输出户表用电-台区线损图及台区供电量-台区线损图如图5所示。

图5 某低压居民用户台区线损图

该台区线损与台区供电量关系以及台区线损与该户表用电量关系图显示，该用户用电量与台区线损率有较强相关性（见图5），观察户表用电-台区线损图，发现台区线损多次与随户表用电的突增而突增。资产档案显示该表计安装日期为2015年，互感器综合倍率为“1”，同时在系统数据中调取该表计异常告警事件记录，未发现开盖事件告警等异常事件。综上分析，此表计疑似系统档案错误。经现场核查，此表计计量箱封、铅封、侧面合格证均完好，且未发生错接线，现场互感器倍率为100/5，即综合倍率应为“20”与系统档案不一致，判定为系统档案错误。

对于高压专变等高压用户的电能计量异常状态计量物联网同样可实现采集大数据分析，通过对高压用户的电压、电流、电量采集数据分析，从而初步筛查出疑似计量异常用户，同时通过追溯该用户历史采样数据，定位异常发生的具体日期。最后通过绘制该用户电压、电流等历史曲线和相量图，人工判定是否确实存在相应异常，实现分析研判异常原因。

同时，随着计量采集物联网系统发展，大数据分析能力将逐步得到提高。通过电力企业的多级监控，可逐步扩大各类用户的计量异常督办工作，实现由人工分析诊断的工作模式转变为系统自动诊断并派发工单，将计量异常分析诊断的模型算法嵌入到系统中，实现线下流程转变为线上，并根据异常处理的时限、完成情况、应追缴电量电费与实际追缴的电量电费等参数进行指标参考，实现各类用户电费追缴与线损治理。保障电力企业完成增收提质增效工作。

3 结论

本文根据低压台区线损影响因素，结合计量采集物联网的功能与应用，为北京电力公司台区线损治理提供了多维治理手段。针对台区用户挂接关系不正确的问题，提供了台区识别的治理方案。针对计量点异常、老化及用户窃电等问题，提供了采集大数据分析等治理方案，并已在北京电力公司中进行应用，在很大的程度上帮助企业提高了台区线损管理质量及经营管理水平。未来，随着电能计量采集物联网的不断完善，系统将可实现自动识别异常用户、自动下达工单等多项功能，为低压台区线损治理提出更加便捷、高效的治理方案。